Menu
Op-ed: Companies need 2-in-1 employees, it guys & economists
Share article:
Back to all Blog Posts

Op-ed: Companies need 2-in-1 employees, it guys & economists

In order to succeed, now more than ever before, companies will need to be able to read and work with data.In order to succeed, now more than ever before, companies will need to be able to read and work with data.

Zaměstnanci 2v1. Ti podnikatelům pomohou najít nové příležitosti, ale i odříznout nefunkční nebo málo efektivní části byznysu.

Už teď je poptávka po lidech, kteří umí pracovat s daty a umí je i interpretovat a obchodně využít. Tato poptávka bude dál narůstat.

 

Osobní kontakt vytlačují data a stroje. Zatímco ekonomiku jako celek covid-19 a opatření s ním spojená spíš uspaly, tento nastupující trend aktuální krize ještě zrychlila.

 

Mnohé firmy nebo celá odvětví jsou nuceny virtualizovat svoje produkty. Příkladem budiž koncerty s hudebníky propojenými přes platformu Zoom nebo závod F1, kde skuteční jezdci seděli za simulátory a závodili na dálku. „Byznys v hodnotě čtyř miliard dolarů se zvirtualizoval z týdne na týden,“ říká Tomáš Mátl, expert na datové analýzy z firmy Colours of Data.

 

Firmám zároveň vyschly tradiční komunikační a prodejní kanály, kamenné obchody a pobočky. I když už se otevírají, přichází do nich méně lidí než dříve. „Na to firmy mohou zareagovat jediným způsobem – co nejdříve zdokonalit a optimalizovat své digitální kanály: web, aplikace, e-maily, atd. A přes ně na zákazníky cílit velmi personalizovaně – přinášet relevantní nabídky a zprávy. To jediné může zajistit, že jim budou zákazníci naslouchat,“ říká Mátl nekompromisně.

Neobejde se to bez co nejlepší, tedy nejpřesnější a aktuální znalosti zákazníka a jeho kontextu, k čemuž jsou nezbytná aktuální data a nejspíše data z externích zdrojů. Například to, jestli zákazník patří do skupiny lidí, které koronavirová krize postihla negativně, nebo pozitivně. To o sobě lidé často dávají sami vědět na sociálních sítích nebo to lze poznat například z jejich transakcí.

Firmy zároveň začínají odlišně fungovat samy mezi sebou. Ještě před pár týdny dominovaly osobní vztahy, setkání a jednání. Dnes se i tyto věci automatizují a vyřizují elektronicky.

Například k otevření podnikatelského účtu v bance bylo ještě před rokem potřeba jít na pobočku. Různé kontroly a ověření zabraly několik hodin času. Při dnešních omezeních a technických možnostech se to dá automatizovat. „Stroj stáhne nebo přečte data v různých veřejných nebo podnikatelských zdrojích, ověří pravosti dokumentů a podpisů a dotáhne celý proces až do vygenerování smlouvy a založení účtu přibližně za hodinu,“ tvrdí Tomáš Mátl.

 

Podle něj teď bují tzv. data markety. Podobně jako má Google nebo Apple internetové tržiště všemožných aplikací, vznikají i tržiště s různými typy dat, která si mohou firmy koupit, aby své podnikání vylepšily.

„Budou to dělat i třeba banky. Ty mohou prodávat anonymizovaná data typu ,jak se daří jednotlivým typům byznysu z pohledu příjmu‘. Mohou říct, jaké jsou tržby v různých oborech podle regionů a jiných úrovní detailů,“ popisuje Mátl. Jak dodává, vzniknou také prostředníci – služby, které budou různá data agregovat, jako jsou dnes třeba vyhledávače zboží.

 

 

A může jít o data, která zdánlivě nesouvisejí s konkrétním oborem podnikání. „Existuje například služba, která používá statistické metody, aby získala zajímavé informace ze satelitních snímků. Třeba podle analýzy vytíženosti v přístavech a na silnicích v okolí průmyslových oblastí Číny nebo v jiných částech světa umí statisticky určit růst DPH dané země,“ dává příklad Mátl.

 

 

Například výrobce zemědělských strojů John Deere prodává návěs za traktor, který při jízdě po poli snímá a v reálném čase vyhodnocuje, co pod sebou vidí. V přední části jsou kamery, v zadní části trysky, a než návěs rostlinu přejede, ví, zda je to plevel, či užitečná plodina, a zda ji postříkat herbicidem, nebo hnojivem. „Metoda vede k 90procentní úspoře herbicidů a 20procentní úspoře hnojiv oproti dříve používaným aplikacím,“ říká Mátl.

Aby ale fungovala, bylo třeba algoritmus naučit, jak může vypadat třeba pýr v tisíci svých podob – aby dokázal rostlinu rozpoznat v různých stadiích, druzích, počasí, atd. K tomu je možno využít externí data (obrázky) rostlin.

Pokračování na SeznamZpravy.cz

 

4. 6. 2020
  |  
Author: Tomáš Mátl
  |  
Share article: